以字符集安全的方式获取 Windows 上的进程列表

Question

This post 给出了一种在Windows 下检索正在运行的进程列表的解决方案。本质上是这样的：

String cmd = System.getenv("windir") + "\\system32\\" + "tasklist.exe";
Process p = Runtime.getRuntime().exec(cmd);
InputStreamReader isr = new InputStreamReader(p.getInputStream());
BufferedReader input = new BufferedReader(isr);

然后读取输入。

它看起来和工作都很棒，但我想知道 tasklist 使用的字符集是否可能不是默认字符集并且此调用可能会失败？

例如this other question about a different executable 表明它可能会导致一些问题。

如果是这样，有没有办法确定合适的字符集是什么？

Answer 1

可以分成两部分：

1. 窗户部分
   从java你正在执行一个Windows命令——在“Windows Land”中的jvm外部。当 java Runtime 类执行 windows 命令时，它使用控制台的 DLL，因此在 windows 中看起来好像命令在控制台中运行
   问：当我运行 C:\windows\system32\tasklist.exe在控制台中，结果的字符编码（Windows 术语中的“代码页”）是什么？

   • windows 不带参数的“chcp”命令给出了控制台的活动代码页号（例如，850 用于 Multilingual-Latin-1，1252 用于 Latin-1）。见Windows Microsoft Code Pages、Windows OEM Code Pages、Windows ISO Code Pages
     默认系统代码页最初是根据您的系统区域设置设置的（键入 systeminfo 以查看此设置或控制面板-> 区域和语言）。
   • windows OS/.NET 函数getACP() 也提供此信息

2. Java 部分：
   如何从“x”的 windows 代码页（例如 850 或 1252）解码 java 字节流？

   • windows代码页号和等效java字符集名称之间的完整映射可以从here - Code Page Identifiers (Windows)导出
   • 但是，实际上可以添加以下前缀之一来实现映射：
     ""（无）用于 ISO，“IBM”或“x-IBM”用于 OEM，“windows-”或“x-windows-”用于 Microsoft/Windows。
     例如。 ISO-8859-1 或 IBM850 或 windows-1252

完整解决方案：

    String cmd = System.getenv("windir") + "\\system32\\" + "chcp.com";
    Process p = Runtime.getRuntime().exec(cmd);
    // Use default charset here - only want digits which are "core UTF8/UTF16"; 
    // ignore text preceding ":"
    String windowsCodePage = new Scanner(
        new InputStreamReader(p.getInputStream())).skip(".*:").next();

    Charset charset = null;
    String[] charsetPrefixes = 
        new String[] {"","windows-","x-windows-","IBM","x-IBM"};
    for (String charsetPrefix : charsetPrefixes) {
        try {
            charset = Charset.forName(charsetPrefix+windowsCodePage);
            break;
        } catch (Throwable t) {
        }
    }
    // If no match found, use default charset
    if (charset == null) charset = Charset.defaultCharset();

    cmd = System.getenv("windir") + "\\system32\\" + "tasklist.exe";
    p = Runtime.getRuntime().exec(cmd);
    InputStreamReader isr = new InputStreamReader(p.getInputStream(), charset);
    BufferedReader input = new BufferedReader(isr);

    // Debugging output
    System.out.println("matched codepage "+windowsCodePage+" to charset name:"+
            charset.name()+" displayName:"+charset.displayName());
    String line;
    while ((line = input.readLine()) != null) {
           System.out.println(line);
    }

感谢您的提问！ - 很有趣。

Answer 2

其实tasklist使用的字符集总是不同于系统默认的。

另一方面，只要输出限制为ASCII，使用默认值是相当安全的。通常可执行模块的名称中只有 ASCII 字符。

因此，要获得正确的字符串，您必须将 (ANSI) Windows 代码页转换为 OEM 代码页，并将后者作为字符集传递给 InputStreamReader。

这些编码之间似乎没有全面的映射。可以使用以下映射：

Map<String, String> ansi2oem = new HashMap<String, String>();
ansi2oem.put("windows-1250", "IBM852");
ansi2oem.put("windows-1251", "IBM866");
ansi2oem.put("windows-1252", "IBM850");
ansi2oem.put("windows-1253", "IBM869");

Charset charset = Charset.defaultCharset();
String streamCharset = ansi2oem.get(charset.name());
if (streamCharset) {
    streamCharset = charset.name();
}
InputStreamReader isr = new InputStreamReader(p.getInputStream(),
                                              streamCharset);

这种方法适用于 windows-1251 和 IBM866 对。

要获取 Windows 当前使用的 OEM 编码，您可以使用 GetOEMCP 函数。返回值取决于 Region and Language 控制面板中 Administrative 选项卡上的 Language for non-Unicode 程序 设置。需要重新启动才能应用更改。

---

Windows 上有两种编码：ANSI 和OEM。

前者由在 GUI 模式下运行的非 Unicode 应用程序使用。
后者由控制台应用程序使用。控制台应用程序无法显示当前 OEM 编码中无法表示的字符。

由于tasklist 是控制台模式应用程序，其输出始终采用当前的OEM 编码。

对于英文系统，这对通常是Windows-1252 和CP850。

由于我在俄罗斯，我的系统具有以下编码：Windows-1251 和 CP866。
如果我将tasklist 的输出捕获到文件中，该文件将无法正确显示西里尔字符：

在记事本中查看时，我得到的是 ЏаЁўҐв 而不是 Привет（嗨！）。
而µTorrent 则显示为зTorrent。

您无法更改tasklist 使用的编码。

---

但是可以更改cmd 的输出编码。如果你将/u 开关传递给它，它将以UTF-16 编码输出所有内容。

cmd /c echo Hi>echo.txt

echo.txt 的大小为 4 个字节：Hi 两个字节，新行两个字节（\r 和 \n）。

cmd /u /c echo Hi>echo.txt

现在echo.txt 的大小是 8 个字节：每个字符用两个字节表示。

Answer 3

为什么不通过JNA 使用Windows API，而不是生成进程？像这样：

import com.sun.jna.platform.win32.Kernel32;
import com.sun.jna.platform.win32.Tlhelp32;
import com.sun.jna.platform.win32.WinDef;
import com.sun.jna.platform.win32.WinNT;
import com.sun.jna.win32.W32APIOptions;
import com.sun.jna.Native; 

public class ListProcesses {
    public static void main(String[] args) {
        Kernel32 kernel32 = (Kernel32) Native.loadLibrary(Kernel32.class, W32APIOptions.UNICODE_OPTIONS);
        Tlhelp32.PROCESSENTRY32.ByReference processEntry = new Tlhelp32.PROCESSENTRY32.ByReference();          

        WinNT.HANDLE snapshot = kernel32.CreateToolhelp32Snapshot(Tlhelp32.TH32CS_SNAPPROCESS, new WinDef.DWORD(0));
        try  {
            while (kernel32.Process32Next(snapshot, processEntry)) {             
                System.out.println(processEntry.th32ProcessID + "\t" + Native.toString(processEntry.szExeFile));
            }
        }
        finally {
            kernel32.CloseHandle(snapshot);
        }
    } 
}

我发布了类似的答案elsewhere。

Answer 4

有更好的方法来检查正在运行的进程，甚至可以通过 java 运行 OS 命令：Process 和 ProcessBuilder。

关于字符集，您可以随时查询操作系统支持的字符集，根据需要获取Encoder或Decoder。

[编辑] 让我们分解一下；无法知道给定 String 的字节在哪种编码中，因此您唯一的选择是获取这些字节，根据需要改变顺序（如果您曾经处于这样的环境中，其中一个进程可以为您提供一个数组不同顺序的字节，使用 ByteBuffer 处理），并使用支持的多个 CharsetDecoder 将字节解码为合理的输出。

这太过分了，需要您估计给定的输出可能是 UTF-8、UTF-16 或任何其他编码。但至少您可以使用其中一种可能的字符集解码给定的输出，然后尝试使用处理后的输出来满足您的需要。

由于我们讨论的是由运行 JVM 本身的同一操作系统运行的进程，因此您的输出很可能是 availableCharsets() 方法返回的字符集编码之一。